开题报告魏清龙Word格式.docx

开题报告魏清龙Word格式.docx

《开题报告魏清龙Word格式.docx》由会员分享，可在线阅读，更多相关《开题报告魏清龙Word格式.docx（10页珍藏版）》请在冰豆网上搜索。

开题时间:

2016年3月13日

指导委员会审查意见：

签字：

年月日

一、研究目的和意义

1.目的：

测量东北城市典型植被的光谱，并分析光谱特征

2．意义：

为遥感分类做基础研究

二、文献综述（研究现状及分析）

北京师范大学生命科学学院的张军、葛剑平和东北林业大学森林经营管理学院的国庆喜，就对东北地区主要植被类型NDVI变化与气候因子的关系做出了研究。

首先选择东经120~135北纬40~55作为研究区。

该区域跨越暖温带、温带和寒温带。

山系主要有大兴安岭、小兴安岭、长白山、张广才岭、锡霍特山脉等。

河流主要有松花江、黑龙江、乌苏里江和嫩江及其支流。

该区域还包括松辽平原、松嫩平原和三江平原等地势较开阔的地区。

然后获取了研究地区的NDVI数据，通过对NOAA和AVⅡR两种卫星的数据分析处理从而生成NDVI指数。

之后获取当地的气象数据和对选择区域的GPS数据、外业调查资料。

本研究的外业调查从1998年8月开始，从哈尔滨出发，行程5000多km，途经黑、吉两省，最后返回哈尔滨。

此次调查利用摄像、书面记录和GPS（采用C/A伪码）定位的形式，用两个GPS每隔几百米设一个点，并每隔20km设置一个样点，每隔,40km打一个样地的方法，形成了一个环状调查带。

然后又针对某些典型类型进行了两次调查，又形成了两条典型调查带。

最后将采集到的NDVI数据文件在ARC/INFO软件上转换成植被光谱响应图并进行预处理，以每月中的最大值代表该月的NDVI值，以每年中的最大值代表该年的NDVI值，从而消除大气和云雾的部分干扰。

然后进行投影转换、植被分类、各类型NDVI年际变化和气象数据、外业调查资料的整理。

NDVI是由NOOA卫星AVIIRR/2的通道1和通道2复合而来的，该指数对地物的绿色程度非常敏感，并能消除云雾的干扰和降低星下点被选中的概率，提高了识别地物的精度，而且该数据时间序列长、分辨率低、数据量大。

经研究证明，对于研究大尺度的植被分布、植被动态和植被气候关系是非常有用的。

在GIS和GPS技术的支持下，利用1982年的8km分辨率的NDVI图像将该地区最终划分为3个地带性类型和10个子类型，并得出该地区的植被分布呈现明显的纬度地带性分布，并分析出这种分布与降水量相关性最密切。

受各类型植被自身生理特点和气候因子的影响，随着温带典型草原、森林、草原过渡类型、森林类型的逐渐过渡，各类型的NDVI由低到高变化。

通过分析该地区的各植被类型IIa的NDVI变化与同时期的气候资料得出，各类型的NDVI年际变化与年最高温度和年总降水量的变化相关性最密切。

在1982年和1992年NDVI下降的原因是由于高温、干旱影响了植被的生长从而引起NDVI的降低；

而在1985年是由于高温、暴雨使得植被生长受影响，引起各类型NDVI的明显最低。

在其它年份里，由于气候条件相对稳定，对植被的生长影响不大，因此，在光谱特征上表现为各类型的NDVI均值基本保持稳定，略有升降，但幅度都不大。

利用1982~1992年时间序列的.NOAA/AVⅡR8km×

8km分辨率的归一化植被指数（Normalizeddifferencevegetationindex,NDVI），将东经120°

～135°

、北纬40°

～55°

区域的土地覆盖类型分为10类。

然后研究了各类型的NDVI年平均值的变化规律。

结合该地区的19个气象站1982～1992年的年平均气温、年最高温度、年最低温度、年降水量和年相对湿度研究了各类型NDVI年平均值的变化与气候因子之间的关系，进一步阐明了气候因子是NDVI动态变化的主要原因。

不光东北地区有这种研究南方地区也有相关的研究。

成都理工大学地学空间信息技术国土资源部重点实验室/遥感与GIS研究所的戴晓爱、张晓雪、甘艳霞、孙晓飞、陈佳俊、杨武年也对自己校园内的典型植被不同生长期的冠层光谱敏感性进行了相关研究和结论分析。

植被作为人类生存环境的重要影响因子之一，正确识别植被特征是生态学研究的支撑性工作。

目前植被特征识别的方法主要包括野外调查、图像解译和数字遥感。

通过野外调查来进行植被识别和动态监测等工作，需要大量的人力和物力，且花费的时间长，局限性大，难以满足植被研究的需求；

在植被遥感研究中，受波段宽度和波段数，以及波长位置的影响和约束，传统遥感和多波段遥感数据获取的遥感图像往往只有几个离散的波段空间信息、辐射信息和光谱信息，且都不连续，信息量不够丰富，丢失了很多有用的信息。

然而高光谱遥感突破了这一瓶颈，大大的改善了植被特征难以识别和分类精度不高的难题，为植被特征识别、植被生长动态监测技术提供海量数据，有利于进行植物的生长状况监测，了解植物生长特性目前，国内外很多学者利用高光谱数据进行了大量的研究并取得了较好的结果，例如:

大面积农作物估产、农作物病虫害监测预报、生长状况的动态变化监测以及大面积植被解译等，但是利用高光谱遥感技术对人工植被冠层光谱特征的研究相对空缺。

本文利用现有的植被和仪器条件，选取成都理工大学校园内部分典型人工园林植被，在自然状况下测定植被光谱信息和相应的叶面积指数，分析植被的冠层光谱特性曲线，研究植被指数与叶面积指数的关系，为遥感影像判读和解译提供理论依据和数据基础。

光谱数据采集与处理、叶面积指数（LAI）测定、数据分析方法（光谱微分法、植被指数模型法）、植被冠层光谱特征敏感性分析（同一生长期同一种类植被冠层光谱特征）、不同生长期同种植被的冠层反射光谱特征、植被指数与叶面积指数的关系。

通过分析不同种类、不同生长期的植被原始光谱特征和一阶微分曲线的特征，植被指数与相应的叶面积指数LAI的相关关系，可以得出以下结论：

（1）植被光谱特征不仅受植被种类的影响，同时也受植被本身的生长期影响。

不同的生长期，植被叶片内所含的叶绿素含量和含水率不同，导致同种植被在不同的生长期具有不220同的反射光谱，同一生长期内的不同植被也存在光谱差异。

（2）银杏、小叶女贞、竹子两个生长期的红边斜率达到峰值的波段处于不同的位置，三种植被生长期末期和生长季始期分别在705nm和724nm，700nm和705nm，714nm和724nm处达到峰值；

由于生长期末期叶绿素含量的降低，植被出现红边蓝移现象。

由此可知，植被生长期末期的红边斜率峰值最大处所对应的波段小于生长季始期，因此便可以红边斜率最大225值处的波段作为敏感点，区分同一植被的生长期末期和生长期始期。

（3）通过植被指数与叶面积指数LAI的数学转换模型，分析比值植被指数RVI和差值植被指数与叶面积指数LAI的拟合度，发现植被指数RVI与叶面积指数LAI的拟合度较高，两者的相关关系较好。

研究工作对于研究植被的识别、分类以及对植被生长动态监测、遥感反演模型的230建立等都具有一定的借鉴意义。

但由于各种客观因素的制约，尤其受天气方面的影响，本次实验天数不够多，样本采集数量不足，光谱数据和叶面积指数数据有限，对光谱数据分析有一定的影响。

因此，需要进一步去除客观因素影响，以提高利用光谱数据的准确度，得到更广的应用。

本研究根据多次实测成都理工大学校园内部分典型绿化植被的生长期始期与生长期末期冠层反射光谱数据和冠层LAI（叶面积指数），分析不同累计样本容量冠层反射光谱曲线，利用光谱微分法、特征波段提取、相关分析等方法，确定各类植被在不同生长期反射光谱上差异明显的敏感点或敏感波段；

利用采集的植被冠层高光谱数据计算出比值植被指数RVI、差值植被指数DVI，分析LAI与植被指数的相关关系，得到比值植被指数RVI与LAI的复相关系数为0.657和0.618，差值植被指数与LAI的复相关系数为0.560和0.595，结果表明比值植被指数RVI与叶面积指数的相关性较好。

本次研究分析得到了不同生长期的植被光谱特征、植被指数与叶面积指数的相关关系，同时为其他植被的光谱特征研究提供了一定的参考，也为植被遥感动态监测提供了理论依据。

从他们不同程度上的研究，可以总结出自己的研究方向和研究对象。

三、研究的基本内容、拟解决的主要问题

主要内容：

1、成像光谱仪的原理及仪器的性能分析2、实验原理、测量方法分析3、分析地物光谱测量中的影响因素4、数据处理及分析

拟解决的主要问题：

通过对东北城市内的典型植被的光谱图像分析，可以得出不同种类的植物在不同的月份的光谱曲线的峰值的变换，从而在规律的变化中总结出典型植被各自的光谱曲线，尽可能的在光谱曲线上分辨出植被的种类。

如遇到雨雪天气可以通过观察此时的光谱图的变化是否可以通过植被的光谱图的变化预知接下来的气候变化。

四、课题研究的技术路线或研究方法

研究方法：

采用对比分析法对光谱曲线进行特征分析

五、进度安排

1. 

2015年12月08日—2016年03月01日：

收集资料，学习相关知识，撰写开题报告；

2. 

2016年03月02日—2016年03月13日：

完成开题报告，进行开题答辩；

3. 

2016年04月27日—2016年05月16日：

开展课题的研究，撰写论文初稿；

4. 

2016年05月17日—2016年05月31日：

进行论文的修改，指导老师审阅；

5. 

2016年06月01日—2016年06月08日：

完成论文终稿；

6. 

2016年06月09日—2016年06月16日：

做答辩演示文稿，准备答辩。

六、主要参考文献

[1]梁尧钦，曾辉.高光谱遥感在植被特征识别研究中的应用[J].世界林业研究，2009,22

（1）:

41-47.

[2]DarARoberts,DavidBClark,MatthewLClark.Hyperspectraldiscriminationoftropicalrainforesttreespeciesatleaftocrownscales[J].RemoteSensingofEnvironment,2005,96（3）:

375-398.

[3]童庆禧，张兵，郑兰芬.高光谱遥感原理、技术与应用[M].北京:

高等教育出版社,2006.

[4]LeeT,RajaK,ReddyG.,Refleetanceindiecswithprecisionandaccuracyinpredietingcottonleafnitrogenconcentration[J].CropScience.2000,40:

1814-1819.

[5]顾斌,董杰.成像光谱技术在土地动态监测中的应用[J].科技与生活,2010,（16）:

120-120.

[6]黄文江，王纪华，刘良云等．小麦品质指标与冠层光谱特征的相关性的初步研究[J].农业工程学报，2004,20（4）:

203－207.

[7]朱西存,赵庚星,雷彤等.苹果花期冠层光谱探测的规范化技术方法探讨[J].光谱学与光谱分析,2010,24530（6）:

1591-1595.

[8]白丽,王进,蒋桂英.高光谱分辨率遥感技术在农作物估产中的研究现状与发展趋势[J].现代化农业,2006:

30-33.

[9]巴家亮.基于高光谱数据的农作物冠层LAI和FAPAR估算研究[D].华中农业大学.2013.6.

[10]罗红霞